Las redes neuronales (neural networks) se enmarcan dentro del campo de la Inteligencia Artificial. Son una representación abstracta del comportamiento de una red neuronal biológica. Su contexto se remonta a 1943, año en el cual McCulloch y Pitts proponen el primer modelo neuronal, dicho modelo era un modelo binario, en el cual cada neurona tenía un escalón o umbral prefijado. De esta manera sirvió de base para los modelos posteriores.
Red neuronal
Las neuronas son simples procesadores de información, consisten en un cuerpo celular y cables que los conectan entre si.Sus partes son:
- Dendritas: Constituyen el canal de entrada de la información.
- Cuerpo celular (Soma): Es el órgano de cómputo.
- Axón: Corresponde al canal de salida.
- Sinapsis
Redes neuronales
Estructura
Capas
Las redes neuronales están compuestas por capas de neuronas que se comunican entre si y es posible dividirlas de la siguiente manera:
Capa de entrada: Contiene todas nuestras entradas o datos de entrenamiento, estos contarán con pesos que permitirán expresar su importancia.
Capa oculta: Puede estar conformada a su vez por una o varias capas, el número de capas dependerá de qué tan sofisticado queremos nuestro modelo. Sin embargo, es necesario recalcar que mientras más capas se tengan necesitaremos más recursos como tiempo y poder computacional.
Capa de salida: Se encarga de entregar los resultados, puede contar con una o varias neuronas, dependerá del número de características que se desean llegar a encontrar.
Entradas, pesos, suma ponderada y salida
Entradas \((x_{i})\):
Pesos sinapticos \((w_{ij})\): Se hace una asignación de pesos pequeños generados de forma aleatoria, en un rango de valores entre \(-0.5\) y \(0.5\) o algo similar
Función base: Es una función que corresponde a una combinación lineal de las entradas.
\[u_{i}(w,x)=\sum_{j=1}^{n}w_{ij}x_{j}\]